Mål & Minimér

  • Fag:

    Madkundskab, projektforløb, biologi

  • Sprog:

    Dansk

  • Kan bruges i PBL/projektundervisning

    Ja

  • Tidsforbrug

    Forløb 1 kræver 4 sessioner a 45 mens 2 og 3 kan gennemføres på det halve

  • Antal sessioner:

    2 – 4

  • Udviklet af:

    Kirsten Vestergaard Hansen, Lilja Gunnarsdottir, Mads Kibsgaard Hansen, Subash Rana & Bent Egberg Mikkelsen

Indledning

Hvorfor er dette vigtigt?

Du kender det godt fra din egen hverdag. Det er rigtig svært at planlægge sine julegaveindkøb, hvis man ikke ved, hvad der står på kontoen. På samme måde med madspild. Det er meget lettere at gøre noget ved det, hvis man ved, hvor meget der rent faktisk er. Særligt på steder hvor der serveres meget mad, er det vigtigt for at kunne planlægge en indsats, der minimerer madspildet. Som f.eks. på en skole hvor der sælges eller serveres mad. Og hvorfor ikke slå to fluer med et smæk og så bruge de data, der samles ind om madspildet i undervisningen i matematik?

Teori

Hvad ved vi fra videnskaben?

I det digitale samfund er data blevet vigtigere og vigtigere. Vi har vænnet os til at stort set alt der vigtigt her i vores daglige liv kan udtrykkes i tal og visualiseres. Tænk på en smartwatch eller en smartphone. Den holder styr på alt lige fra daglige antal skridt, blodtryk, kalorieforbrug og mange andre ting. Det er et fænomen som mange forskere har forsøgt at sætte ord på. F.eks. den tyske sociolog Ulrich Beck, der skrev om risikosamfundet. I dette samfund er det ikke blevet mere risikabelt at leve, men vi er, ifølge Beck, i stigende grad blevet optaget af risici og forudsigende statistik. Hvor sikkert er det at rejse med forskellige transportformer? Hvor meget må temperaturen på klodens stige og hvad betyder det for vandstanden i verdenshavene? Hvad er risikoen for at få en bestemt sygdom eller for den sags skyld for at vinde en million i lotto? Og hvordan ligger mon mit eget karaktergennemsnit i forhold til mine klassekammerater eller landsgennemsnittet? I det samfund vil vi gerne have ”data på alt”. Melanie Wolf og Gary Wolf introducerede I 2013 begrebet the Quantified Self. Altså et menneske, der er optaget af at måle og veje alt, der har med sundhed at gøre. Samtidig er data om en bred vifte af livet og samfundets mange aspekter kommet i fokus under overskriften Big Data.

Så hvad kan vi i grunden bruge alle de data, der hele tiden flyder rundt i Cyberspace, til? Et af de områder hvor vi har satset megen energi er på madspildsområdet. I Danmark har kampen mod madspild længe haft stor politisk bevågenhed. Vi har opbygget en tænketank omkring partnerskabet OneThird og vi har flere folkebevægelser mod madspild. Og som om alt det ikke var nok, så vedtog EU parlamentet i 2019 at medlemslandene skulle samle detaljerede data ind om mængder og typer af madspild i forskellige led af fødevarekæden. Derfor er der også opstået en hel industri omkring at måle og dokumentere madspild. Danmark har i de seneste par år stået i spidsen for et forsøg på at udvikle en international standard på området.

En af de allerstørste udfordringer ved at samle data ind om madspild er, at det tager rigtig lang tid at måle og veje. Forestil dig for eksempel, at du hver dag skulle stå og måle madspildet i en kantine med for eksempel 25 forskellige retter på buffeten. Det ville være et rigtig stort arbejde. Derfor har der også været rigtig stor interesse fra virksomheder og iværksættere på at få udviklet en løsning, der kan gøre det nemmere. Virksomheden FoodOp er et eksempel på en af de virksomheder, som har udviklet et system, der gør det nemt at registrere hvad der tages og hvad der efterlades på en f.eks. en frokostbuffet. Det sker med små trådløse vægte der hele tiden registrerer, hvad der sker på buffeten. De data sendes så til en computer, der kan analysere det hele. På den måde kan man nemt finde ud af, hvilke retter der er populære eller hvilke dage madspildet er særlig højt. Og da data samtidig kan deles, kan en kantine nemt finde ud af om den ligger i superligaen, når det gælder madspild. Men du kan også bygge dit eget system med en digital vægt, et par kabler og en computer. Så skulle data gerne trille direkte ind i dit eget regneark.

Læringsmål

Hvad vil vi kunne lære?

  1. At lære noget om almindelige mængder på madspild i dagligdagssituationer i skole eller hjem.
  2. At lære om hvordan digitale data kan indsamles på en nem måde.
  3. At lære noget om behandling af data statistik matematik.
Læringsproces

Hvordan organiserer vi aktiviteterne?

01

Mål madspild i kantinen. Er du så heldig at have en skolemadsordning så ved du også at madspild kan være en udfordring.

Denne øvelse er specielt til skoler, der har et skolemads-system. Ideen er at samle data ind om daglige mængder af madspild i samarbejde med kantinen. Det kan gennemføres i den automatiske version som kræver en buffet og hvor man anvender FoodOp systemet. Det vil sige automatisk registrering af, hvad der sker på de forskellige stationer på en buffet. Det kan også gøres i den manuelle version, som for eksempel den de anvender på Västra Ramlösa Skola, hvor alle rester på tallerkenen måles ved tjek ud. Data kan så bruges i for eksempel biologi eller matematikundervisning. Data vil også kunne bruges på FN madspildsdag i slutningen af september.  Her lægger Nordisk Ministerråd nemlig op til, at den dag skal udnævnes til en Mål-Dit-Madspild dag. Der kan indbygges en digital udfordring således at data fra vægtene kobles direkte til en data opsamlings computer.  Dette forløb kan også gennemføres i skoler uden et skolemadssystem baseret på erfaringerne fra Lindevangskolen, hvor man har samlet madpakker i skraldespandene.
Og at have styr på mængderne af madspild er blevet endnu mere aktuelt med den ny fokus på skolemad. Du kan se lidt mere i billederne hvordan man i Danmarks første gratis skolemadsordning på Læsø har grebet arbejdet med madspild an.

Udstyr til denne metode kan enten være fra virksomheden FoodOp eller noget du selv skruer sammen. FoodOp har en lang tradition for at samarbejde, så du kan måske være heldig at låne nogle af deres vægte til et projekt. Måske kan du også overtale dem til at komme ud og fortælle mere om det. Hvis du vælger selv at skrue udstyret sammen, er her et par tips til hvordan du kan tænke. Her er udfordringen ved at måle madspild at få de specifikke mængder og typer af mad registreret. Det er jo f.eks. ikke ligegyldigt om det er en mør oksefilet eller gulerødder, der bliver smidt ud. Men udover typen skal vi selvfølgelig også kende mængden. Mængder er relativt nemme at måle med en vægt, som så forbindes til en data opsamlings enhed for eksempel en computer eller mikrocomputer. Du kan selvfølgelig også vælge blot at aflæse display og så føre data manuelt ind i et regneark. Men mens mængder er relativt simple at registrere via en vægt, så er det straks værre med typen. Ofte er forskellige typer af mad blandet sammen på en tallerken. Det kan man forsøge at tackle ved at anvende flere datakilder samtidig. Man taler ofte om triangulering hvor man anvender flere datakilder samtidig.

Du kender det selv fra din egen dagligdag. Du har måske fundet en adresse på din yndlingsrestaurant via din gps. Men du stoler alligevel ikke 100% på din mobil. Derfor vil du også samtidig bruge din egen sunde fornuft og se, hvor du går. På samme måde vil en sejler typisk bruge både søkort og landkending. Triangulering er således en helt dagligdags ting. I denne øvelse vil vi benytte os af 4 datakilder til at triangulere. Er vi et skolekøkken vil der altid findes en menuplan. På den måde ved vi allerede HVAD, der vil kunne findes på en tallerken. Vi kan også visuelt se, hvad der findes på tallerkenen. Det vil sige vi vil kunne tale til en maskine og så sige hvad vi ser. Du kan for eksempel sige ”dette er en tallerken, der er helt fuldt med sovs og kogte gulerødder”. Vægten har vi allerede været inde på. Den registrer blot antal gram eller kilo. Den sidste komponent er så at få en maskine til at se på tallerkenen.

Det er det man kalder billedgenkendelse. Og i denne øvelse er menuplan og vægt de nemme datakilder. Til de to andre gælder det om at få koblet en god mentor eller fagperson på for eksempel fra et universitet eller en virksomhed. Du vil også skulle bruge fagpersoner til at lave den algoritme, der balancerer de fire forskellige datakilder mod hverandre.

02

Mål madspild derhjemme.

Undersøgelser viser at den største del af madspild sker derhjemme i husholdningerne i familien. Og som vi allerede har antydet så er viden om hvor meget madspild man har en god kilde til motivation og det gælder om at gøre noget ved madspildet. Det er præcis det samme som når man kører på en vej og gerne vil overholde fartgrænserne. Det er svært hvis man ikke har et speedometer. Du kan nemt planlægge undersøgelserne derhjemme i familien. En nem øvelse er for eksempel at undersøge hvor meget yoghurt, der gemmer sig i en karton du er på vej til at smide ud. Hvis det er et papkarton kan du nemt skære den op og hælde indholdet i et decilitermål. Du kan se mere inspiration til hvordan man kan gøre i dette link.

03

Tæl madpakker i skraldespandene.

Denne øvelse er udviklet på Lindevangskolen på Frederiksberg i forbindelse med undervisningen i både matematik og madkundskab. Her satte de sig for at tælle udsmidte madpakker. Dem er der nemlig mange af. Hele 26 millioner om året i Danmark. Faktisk er det op mod hver fjerde madpakke, der bliver smidt ud viser en undersøgelse fra One Third. I projektet som skete i samarbejde med skolens pedeller, blev eleverne udstyret med gummihandsker, kitler og sorte affaldssække og formålet var så at tømme skraldespandene på samme måde, som pedellerne ellers ville gøre og så lave en simpel affaldsstrømanalyse. Affaldsstrømsanalyser gennemføres rutinemæssigt af de store renovationsselskaber simpelthen for at finde ud af hvad, der er i en typisk affaldssæk, så man kan indrette sorteringsanlægget på den bedst mulige måde. Eleverne på Lindevangskolen lavede så et regneark, hvor de satte de forskellige målte mængder af spild og affald ind og brugte dem så senere i undervisningen i matematik. Her kunne de så lære om det at bruge regneark, dels lære at regne gennemsnit, minimum, maksimum, medianer også videre ud. Læs mere her.

Materialer & faciliteter

Hvad har jeg brug for til dette forløb?

  1. Vægt
  2. Kamera
  3. Evt sensorer
  4. Til skraldespandsprojektet: gummihandsker, kitler og sorte affaldssække